PRACTICA 1 Estables y de Correlacion
-
Upload
kevin26bamaca -
Category
Documents
-
view
255 -
download
0
Transcript of PRACTICA 1 Estables y de Correlacion
Universidad de San Carlos de Guatemala Facultad de Ingeniería
Escuela de Mecánica Industrial
CONTROL DE LA PRODUCCIÓN
Aux. Edwin Orozco SEC. “ A, N, P ”
“Un profesor trabaja para la eternidad, nadie puede predecir donde acabará su influencia”
HB Adams
PRACTICA 1. “ PRONOSTICOS (Primera Parte)“
Series Estables y Modelos de Correlación
INTRODUCCION
Los pronósticos son vitales para toda la organización de negocios, así como para cualquier decisión importante
de la gerencia. El pronóstico es la base de la planeación corporativa, ya sea, a corto, mediano o largo plazo.
En las áreas funcionales de finanzas y contabilidad, los pronósticos proporcionan el fundamento para la
planeación de presupuestos y control de costos. El marketing depende del pronóstico de ventas para planear
productos nuevos, compensar al personal de ventas y tomar otras decisiones clave. El personal de producción
y operaciones utiliza los pronósticos para tomar decisiones periódicas que comprenden la selección de
procesos, planeación de las capacidades y distribución de las instalaciones, así como para tomar decisiones
continuas acerca de la planeación de la producción, programación de tareas y manejo de inventarios.
Los pasos a seguir para efectuar un pronóstico confiable inician con la tabulación de información de ventas
históricas; en base a este gráfico se efectúan los Análisis Primario y Secundario para luego determinar las
proyecciones de demanda futuras que, para nuestro caso en particular, denominamos Pronóstico de Riesgo;
siendo este último el objetivo del análisis cuantitativo. Una planificación eficiente, tanto a corto, mediano o
largo plazo, está en función de una efectiva previsión de demanda de los productos o servicios que proveen
las organizaciones.
OBJETIVOS
GENERAL
Establecer Pronósticos de Riesgo confiables, atendiendo al tipo de curva resultante del análisis
cuantitativo de información histórica proyectada hacia el futuro.
ESPECIFICOS
Realizar análisis primarios producto del comportamiento o tendencia que los conjuntos de ventas
reales muestren al momento de ser ploteados en un gráfico ventas contra tiempo.
Determinar análisis secundarios aplicados sobre un período congelado de ventas conocido para
encontrar la variabilidad de las proyecciones respecto de la demanda real histórica (error de
previsión).
Establecer las Proyecciones de demanda futura (Pronóstico de Riesgo) para un período definido en
función del método que mejor se acopló en la parte de análisis secundario (Pronósticos de
Evaluación).
PASOS PARA ESTABLECER PRONOSTICOS (en general para cualquier Método Cuantitativo):
1. GRAFICO O TABULACION DE DATOS: Ploteo del conjunto de datos en un gráfico Ventas contra Tiempo.
2. ANALISIS PRIMARIO:
Se observa detenidamente la forma y comportamiento que sigue la curva resultante para identificarla
o catalogarla dentro de un grupo de curvas conocido. A veces no se puede visualizar a que tipo
pertenece, por lo tanto se procede a alisar la curva; este procedimiento consiste en agrandar la escala
que se está utilizando, o bien, reducir la cantidad de períodos de ventas reales ploteados.
3. ANALISIS SECUNDARIO:
Conociendo el grupo al que pertenece el conjunto de datos, se elige un período congelado de ventas
conocido (en nuestro caso será igual a cuatro,) el cual se selecciona como los últimos cuatro valores de
ventas reales del último período a evaluar, con el fin de determinar Pronósticos de Evaluación para
cada Método Cuantitativo por analizar.
4. PRONOSTICO DE RIESGO:
Es la proyección de demanda futura que necesitamos conocer para un período específico, se basa en el
Método Cuantitativo que mejor error acumulado arrojó durante la etapa de Análisis Secundario.
FUNDAMENTO CONCEPTUAL
TIPOS DE PRONOSTICOS: El pronóstico se puede clasificar en cuatro tipos básicos: modelos cualitativos,
métodos cuantitativos (análisis de series de tiempo y relaciones causales) y simulación. Para efectos de la
práctica, nos centraremos en el estudio de los Métodos Cuantitativos los cuales a su vez se clasifican,
atendiendo al comportamiento de las ventas históricas de un producto en particular, de la siguiente manera:
A. Familias Estables o Modelos de Series de Tiempo
B. Análisis de Correlación (Familias Ascendentes – Descendentes)
C. Modelos Cíclicos (factor de estacionalidad)
D. Método Combinado (una mezcla entre un modelo cíclico y uno de correlación)
A. FAMILIAS ESTABLES O MODELOS DE SERIES DE TIEMPO
Las técnicas cualitativas son subjetivas y se basan en estimados y opiniones. El análisis de series de tiempo se
basa en la idea de que es posible utilizar información relacionada con la demanda pasada para predecir la
demanda futura, es decir, observan lo que ha ocurrido a lo largo de un período de tiempo y utilizan una serie
de datos pasados para realizar una proyección futura.
Las Familias Estables son un conjunto de datos (ventas reales históricas) que siguen un comportamiento
“estable” a través del tiempo. A este tipo de CURVAS pertenecen todos aquellos productos que sus ventas se
mantienen en los mismos niveles no importando la época en que se encuentre, por ejemplo: Gasolina, Gas
Propano, Cemento, Pollo, etc. En general, se pueden considerar todas aquellas empresas que fabrican
productos del tipo monopolísticos u oligopolísticos.
METODOS CUANTITATIVOS DE LAS FAMILIAS ESTABLES
Ultimo Período: El pronóstico de un mes (n) en particular es la venta real del mes anterior (n-1) y
así sucesivamente para todo el período congelado de ventas elegido:
Pn = Vn-1
Promedio Aritmético: El pronóstico es el promedio de ventas reales de todos los meses
anteriores al mes que se va a proyectar, se utiliza cuando realmente nos interesa mucho el historial
pasado de las ventas reales (varios períodos), por lo tanto, el analista decide que tan atrás va a
promediar sus datos. Su forma general de cálculo es la siguiente:
Pn = ∑
n-1
Promedio Móvil Simple: Método de Previsión que utiliza la media de los “n” períodos de datos más
recientes para efectuar la proyección del período siguiente. Para nuestro caso en particular,
elegimos un ciclaje igual a cuatro (período congelado de ventas reales ):
Pn = ∑
4
Promedio Móvil Ponderado: La sumatoria de las ponderaciones elegidas deben ser igual al
número de períodos a pronosticar, es decir, el valor del ciclaje elegido. En nuestro caso para efectos
didácticos elegimos un ciclaje igual a cuatro, en otras palabras los valores escalares de las
ponderaciones suman cuatro, y cada uno de éstos multiplica al valor de las ventas reales de los
cuatro meses anteriores al mes que necesitamos pronosticar (otorgándole mayor ponderación a los
períodos más recientes), ejemplo:
Ponderaciones: 0.5 0.8 1.2 1.5 ∑ ( 0.5 + 0.8 + 1.2 + 1.5 ) = 4
Pn = ∑
4
Recordatorio: Sabemos que sobreponderando los meses más recientes se obtiene una
proyección más exacta.
PROMEDIO MOVIL PONDERADO EXPONENCIAL (Caso A):
Técnica de previsión de media móvil ponderada en la que los datos se valoran por medio de una
función exponencial, su forma general es la siguiente:
Pn = Pn-1 + α (Vn-1 – Pn-1)
Donde: Pn = nueva previsión
Pn-1 = previsión del último período
Vn-1 = demanda real del último período
α = constante de alisado (alfa)
Factor alfa 0 ≤ α ≤ 1
Cuando α tiende a cero: El pronóstico se ve afectado por causas al azar (fallas atribuibles a factores
externos), están fuera del alcance de nuestras manos, ej: Huelgas, Inasistencia del Personal Operativo,
Políticas Gubernamentales, etc.
Cuando α tiende a uno: El pronóstico depende de variables asignables al modelo, las causas podrían
ser, entre otras: Falta de competitividad de los productos, obsolencia, estrategias equivocadas para
asimilar la demanda de mercado provocada por la existencia de productos similares o sustitutos, etc.
El valor de α lo decide el pronosticador; para efectos didácticos de la práctica elegimos α = 0.5
PROMEDIO MOVIL PONDERADO EXPONENCIAL (CASO B):
Este método cuantitativo toma en cuenta la proyección de tendencia de los datos que, en condiciones
normales, tienden a desfasarse con respecto a las ventas reales. Al aplicar el concepto de tendencia,
se obtiene una proyección más confiable del grupo de datos sobre los que se quiere pronosticar; su
formulación general es:
Pn = Pn-1 + ( 1 – α ) / α * Tn-1
Tn = α (Vn – Vn-1) + ( 1 – α ) * Tn-1
Tn-1 = Tendencia pivote = Vn-1 – Vn-2 (sólo la primer tendencia)
Donde Pn = proyección de evaluación para el período n
Pn-1 = pronóstico anterior = pronóstico pivote = (Vn-2 + Vn-3 + Vn-4)/3
Tn-1 = tendencia pivote
α = factor alfa
4.1 FRANJA SIMULADA: Método matemático que se utiliza para establecer el Pronóstico de
Riesgo (Demanda Futura) de las Curvas Estables (existe la posibilidad de compararla con otro
tipo de curva) y está definido por la siguiente relación:
Pn = Pn-1 + kTúltima k = 1, 2, 3, ….
a. El primer pronóstico de riesgo es el último pronóstico de evaluación del método que menor
error acumulado (error de previsión) tiene después de efectuar la comparación entre los
distintos métodos cuantitativos (también puede ser entre distintos tipos de Curva).
b. La tendencia última corresponde al último pronóstico de evaluación y la tendencia pivote es
una anterior a aquella. Si quisiéramos conocer el Pronóstico de Riesgo del siguiente período
(iniciando por el mes de enero) entonces tendríamos:
Penero = Pron evaluación (dic)
Pfeb = Penero + Tdic
Pmar = Penero + 2Tdic Tdic = α(Vdic – Vnov) + (1 – α)*Tpivote
Pabr = Penero + 3Tdic Tpivote = Tnov = Vnov – Voct
ANALISIS Y RESOLUCION DEL EJERCICIO PRACTICO
DESCRIPCION DEL EJERCICIO (Familias Estables) El historial de ventas reales de cierta compañía durante los tres últimos períodos se presenta en el siguiente
cuadro:
MES PERIODO 1 PERIODO 2 PERIODO 3
ENERO 689 679 699
FEBRERO 678 690 683
MARZO 690 684 700
ABRIL 695 695 688
MAYO 685 684 693
JUNIO 680 692 684
JULIO 698 685 678
AGOSTO 675 679 682
SEPTIEMBRE 684 687 685
OCTUBRE 681 697 680
NOVIEMBRE 679 675 686
DICIEMBRE 686 684 692
Determinar:
1. Gráfico de ventas reales.
2. Efectuar el Análisis Primario y Secundario del conjunto de ventas (ciclaje = 4).
(Ponderaciones = 0.5 0.8 1.2 1.5)
3. Establecer el Pronóstico de Riesgo para los primeros cuatro meses del período 4
SOLUCION DEL EJERCICIO PRACTICO (Familias Estables)
1. TABULACION DE DATOS:
2. ANALISIS PRIMARIO:
Luego de analizar el comportamiento del juego de ventas de los tres períodos, se puede observar que
el comportamiento de la curva es ESTABLE, por lo tanto lo clasificamos como una Familia Estable.
3. ANALISIS SECUNDARIO:
Se procede a evaluar los Métodos Cuantitativos para Familias Estables con el propósito de encontrar
las Proyecciones de Evaluación, utilizando un ciclaje = 4, es decir, elegimos un período congelado de
ventas conocido igual a los últimos cuatro meses del período tres (corresponde a los meses 33, 34, 35
y 36):
ULTIMO PERIODO (Enfoque Simple)
MES VENTAS PROYECCION ERROR E
33 685 682 3 3
34 680 685 -5 8
35 686 680 6 14
36 692 686 6 20
0
100
200
300
400
500
600
700
800
0 10 20 30 40 50 60
Ven
tas
Mes
Ventas de los últimos tres años
PROMEDIO ARITMETICO
En este caso nos interesa todo el historial de ventas conocido, es decir, la totalidad de los tres
períodos completos. La proyección para el mes 33 es:
P33 = ( ∑ ) / 32 ; y así sucesivamente hasta P36
P33 = ( 689+678+690+….+684+678+682) / 32 = 687
MES VENTAS PROYECCION ERROR E
33 685 687 -2 2
34 680 687 -7 9
35 686 686 0 9
36 692 686 6 15
PROMEDIO MOVIL SIMPLE:
Elegimos períodos de cuatro meses anteriores a la proyección que nos interesa conocer:
P33 = ( ∑ ) / 4
P33 = ( 693 + 684 + 678 + 682 ) / 4 = 685
MES VENTAS PROYECCION ERROR E
33 685 685 0 0
34 680 683 -3 3
35 686 682 4 7
36 692 684 8 15
PROMEDIO MOVIL PONDERADO:
Se enfatizan los cuatro últimos meses ponderándolos con los escalares (0.5 ; 0.8 ; 1.2 ; 1.5)
P33 = ( 0.5*V29 + 0.8*V30 + 1.2*V31 + 1.5*V32 ) / 4
P33 = (0.5*693 + 0.8*684 + 1.2*678 + 1.5*682) / 4 = 683
MES VENTAS PROYECCION ERROR E
33 685 683 2 2
34 680 683 -3 5
35 686 682 4 9
36 692 684 8 17
PROMEDIO EXPONENCIAL “CASO A” (Alisado de Primer Orden)
Para efectos de cálculo, usaremos un α = 0.5
El Pronóstico Pivote es P32 = (693 + 684 + 678 ) / 3 = 685
P33 = 685 + 0.5 ( 682 – 685 ) = 684
P34 = 684 + 0.5 ( 685 – 684 ) = 685
P35 = 685 + 0.5 ( 680 – 685 ) = 683
P36 = 683 + 0.5 ( 686 – 683 ) = 685
MES VENTAS PROYECCION ERROR E
33 685 684 1 1
34 680 685 -5 6
35 686 683 3 9
36 692 685 7 16
PROMEDIO EXPONENCIAL “CASO B” (Alisado con Ajuste de Tendencia)
Se aplica el concepto de Tendencia para obtener una proyección más confiables, seguimos
utilizando α = 0.5 y el Pronóstico Pivote es el mismo valor que el anterior ( Ppivote = 685)
La Tendencia Pivote = T32 = 682 – 678 = 4
P33 = 685 + ( 1 – 0.5 ) / 0.5 * 4 = 689
T33 = 0.5(685-682) + ( 1 - 0.5 )*4 = 3.5
P34 = 689 + ( 1 – 0.5 ) / 0.5 * 3.5 = 693
T34 = 0.5(680-685) + ( 1 – 0.5 )*3.5 = -0.75
P35 = 693 + ( 1 – 0.5 ) / 0.5 * (-0.75) = 693
T35 = 0.5(686-680) + ( 1 – 0.5 )*(-0.75) = 2.625
P36 = 693 + ( 1 – 0.5 ) / 0.5 * 2.625 = 696
MES VENTAS PROYECCION ERROR E
33 685 689 -4 4
34 680 693 -13 17
35 686 693 -7 24
36 692 696 -4 28
4. PRONOSTICO DE RIESGO: Utilizando el Método Matemático de Franja Simulada, la proyección futura
se basa en el método que menor error acumulado tiene (Promedio Aritmético y Promedio Móvil
Simple). Se elige uno de ellos para efectuar el Pronóstico de los meses 37, 38, 39 y 40 de la siguiente
manera:
P37 = P36 = 684 (Promedio Móvil Simple)
T36 = 0.5(692 – 686) + (1 – 0.5)*(686 – 680) = 6
P38 = 684 + 1(6) = 690
P39 = 684 + 2(6) = 696
P40 = 684 + 3(6) = 702
HOJA DE TRABAJO 1.1 (Para entregar al final de la Práctica)
Dada la siguiente serie de datos, establezca la previsión para los primeros tres meses del tercer período,
utilizando la secuencia metodológica vista en la práctica.
MES PERIODO 1 PERIODO 2
1 445 455
2 459 430
3 442 437
4 455 460
5 437 440
6 433 445
7 440 457
8 447 451
9 439 459
10 438 438
11 442 442
12 450 439
Determinar:
1. Un gráfico con una escala adecuada que muestre el comportamiento del juego de datos.
2. Realizar el Análisis Primario y Secundario de las ventas reales (ciclaje = 4).
3. Establecer el Pronóstico de Riesgo del primer cuatrimestre del período 3. Grafique los
resultados.
4. Discutir con su respectivo grupo de trabajo los resultados obtenidos y exponga algunos
ejemplos de productos o servicios que se identifiquen con la curva resultante de previsión
incluyendo tendencia contra demanda real. (Ponderaciones = 0.7 ; 0.9 ; 1.1 ; 1.3 ) (α = 0.5 )
REPORTE 1.1
DESCRIPCION DEL CASO A RESOLVER:
La inestabilidad política de los países del Medio Oriente hace que los precios de los derivados del petróleo
sean muy volátiles, situación que ya tiene prevista la Distribuidora de Combustibles “PETROLSA”, quien tiene
su base de operaciones en el sur de la capital, distribuyendo Gasolinas (Óptima, Super y Regular), Diesel y
Kerosene, tanto para vehículos livianos como pesados, dentro de todo el territorio nacional.
La distribuidora de combustibles en la actualidad posee una red logística de distribución basada en los pedidos
que, semanalmente, las estaciones de servicio canalizan a través del Departamento de Ventas de Petrolsa. La
capacidad (volumétrica) de sus unidades de transporte en la actualidad permite cubrir las cuatro áreas
principales en que tiene dividido todo el territorio guatemalteco.
“Petrolsa” tiene el ofrecimiento de una refinería de proporcionarle combustible a un precio especial, siempre
y cuando le consuma determinada cantidad mínima mensual. Con ese propósito, la empresa necesita conocer
con anticipación el movimiento de combustibles que tendrá para el primer cuatrimestre del año 2013, razón
por la cual proporciona el movimiento de ventas de los últimos tres períodos.
Considerando el precio especial que le ofrecen, la Gerencia General a través de su Departamento de Ventas y
Mercadeo, está tratando la manera de incrementar la cartera de clientes a quienes en un futuro podría
suministrarle el carburante. De ser positiva esta acción, ¿que método sugiere a la Gerencia aplicar para
minimizar el costo de transporte maximizando la cantidad de combustible distribuida ?
Las ventas (miles de galones) de los últimos tres períodos de “Petrolsa” se detallan a continuación:
MES VENTAS (2010)
VENTAS (2011)
VENTAS (2012)
ENERO 425 424 425
FEBRERO 420 412 413
MARZO 409 415 415
ABRIL 418 414 426
MAYO 428 420 422
JUNIO 410 417 410
JULIO 408 415 415
AGOSTO 420 410 418
SEPTIEMBRE 417 412 408
OCTUBRE 415 410 409
NOVIEMBRE 422 420 416
DICIEMBRE 420 418 413
Determinar:
a) Un gráfico con el conjunto de ventas reales tabuladas.
b) Efectuar el Análisis Primario.
c) Establecer el Análisis Secundario para un período conocido de ventas (ciclaje = 4) utilizando todas las
herramientas que, como Ingeniero Industrial, tiene a su alcance.
d) Estimar el Pronóstico de Riesgo para los primeros cuatro meses del año 2013.
(Ponderaciones = 0.6 0.9 1.1 1.4) Utilizar α = 0.2 & 0.8
e) Qué metodología de distribución le aconsejaría a Petrolsa para que optimice la entrega de combustible
a las distintas estaciones de servicio esparcidas en cuatro distintos puntos geográficos a nivel nacional
? Cuáles serían las ventajas competitivas que la empresa utilizará como estrategia para incrementar
su cartera de clientes consumidores ?
f) Dado que se trata de un producto inflamable, diseñe un Programa de Seguridad Industrial, tanto para
almacenarlo como para transportarlo.
g) Investigue cuales son los horarios más adecuados para efectuar la descarga de combustible en las
distintas estaciones de servicio y cuáles son las razones de efectuarlo en ese horario.
B. FAMILIAS DE CORRELACION (Ascendentes – Descendentes)
A diferencia de la previsión de series temporales, los modelos de Previsión Causal normalmente consideran
diferentes variables que están de alguna manera, correlacionadas con la cantidad que se va a predecir. Una
vez que éstas variables afines han sido halladas, se construye el modelo que se utilizará para hacer la
previsión respectiva. El modelo cuantitativo de previsión causal más común es el ANALISIS DE REGRESION Y
CORRELACIÓN.
Análisis de Regresión Lineal: Es un modelo matemático directo para describir las relaciones funcionales entre
dos o más variables (dependientes e independientes), este método es más poderoso que el de las Series
Temporales. En primer lugar, se observa el gráfico de datos para ver si aparecen lineales (o por lo menos una
parte de ellos); el término regresión lineal se refiere a la clase de regresión especial en la que la relación entre
las variables forma una recta.
La Regresión Lineal es útil para el pronóstico a largo plazo de eventos importantes, así como la planeación
agregada. Aún cuando la demanda de productos individuales dentro de una familia puede variar en gran
medida durante un período, la demanda de toda la familia de productos es sorprendentemente suavizada.
Coeficiente de Correlación: La ecuación de regresión es una forma de expresar la naturaleza de la relación
entre dos variables, muestra como una variable está relacionada con los valores y cambios de la otra variable.
El coeficiente de correlación mide el grado de intensidad de la relación lineal. Identificado normalmente
como r, el coeficiente de correlación toma valores en el rango que va de -1 a +1, o sea, si r está entre -1 y 0,
indica que el conjunto de datos tiene una tendencia descendente; por otro lado, si los valores están entre 0 y
+1, quiere decir que el conjunto de datos tiene una tendencia ascendente (en ambos casos hablamos de la
variable dependiente).
Métodos Estadísticos de Evaluación: En nuestro caso particular, para obtener los Pronósticos de Evaluación
y de Riesgo, se tomarán en cuenta cuatro ecuaciones estadísticas relacionadas a la Regresión Lineal. En
realidad son más de cincuenta las formas matemáticas que describen este método estadístico de evaluación.
La forma general de las ecuaciones normales que utilizaremos es la siguiente:
ECUACION Forma General
LINEAL Y = a + b * x
LOGARITMICA Y = a + b * Ln x
EXPONENCIAL Y = a * bx
POTENCIAL Y = a * xb
Donde: a = punto de intersección en el eje Y, cuando x = 0
b = pendiente de la curva (valor positivo o negativo)
x = variable independiente (representa las unidades de tiempo)
y = variable dependiente (valores de pronóstico requerido)
r = coeficiente de correlación (valor entre -1 y +1)
METODOLOGIA Y HERRAMIENTAS A UTILIZAR
El modelo matemático a utilizar será el de Análisis de Regresión Lineal, ya que es el método que relaciona dos
variables con determinado grado de correlación y, a la vez, muestran un comportamiento ascendente-
descendente en función del tiempo. Para tal efecto, nos auxiliaremos en las siguientes herramientas
matemático-estadísticas de Regresión que describen dicho comportamiento:
HERRAMIENTAS:
Ecuación de Regresión en forma Lineal.
Ecuación Logarítmica.
Ecuación en forma Exponencial.
Ecuación de la forma Potencial.
Distintos valores de correlación para cada una de las anteriores ecuaciones.
Computadora, Calculadora Científica, lápiz, borrador, papel milimetrado, regla.
Software de Computadora y Programa de Calculadora para encontrar las variables de las
expresiones matemáticas anteriores.
PROCEDIMIENTO DE SOLUCION
1. Con la información proporcionada de ventas reales, se procede en primer lugar a tabular y graficar
dichos datos en un plano cartesiano X-Y, donde X representa las unidades de tiempo (meses) y los
valores del eje Y son los valores de las ventas conocidas históricas.
2. Luego se efectúa un Análisis Primario el cual consiste en observar el comportamiento que tienen los
datos tabulados, para poderlo clasificar dentro de los distintos conjuntos de Familias. Hay ocasiones
en que el gráfico no proporciona la suficiente información para determinar a que familia pertenece,
por tanto para tener una mejor visualización de los datos, podemos variar la escala utilizada para
plotear la información; este paso servirá para que la curva tienda a suavizarse, de tal forma que al
final podamos clasificar el conjunto de datos dentro de una Familia conocida.
3. Identificada la Familia al cual pertenece el conjunto de datos, se realiza un Análisis Secundario.
Consiste en efectuar los Pronósticos de Evaluación de un período congelado de ventas, tomando en
cuenta los últimos cuatro meses del último período conocido de ventas; luego se comparan las ventas
reales con el pronóstico de evaluación de dichos meses con el objeto de determinar el error
acumulado, el cual resulta de la suma de los distintos errores arrojados por cada mes analizado.
Este Análisis Secundario se efectúa para cada ecuación estadística de regresión, ya que para cada una
de ellas se tendrán distintos valores de a, b y r.
4. Teniendo todos los errores acumulados calculados para cada ecuación de regresión, se elige la que
tiene el menor error acumulado y se calculan nuevos valores (a, b y r) de la ecuación elegida valuando
la totalidad de ventas reales de todos los períodos conocidos.
5. Se estima el Pronóstico de Riesgo valuando el período futuro requerido tomando en cuenta los valores
(a, b & r) de la ecuación resultante en el paso 4.
ANALISIS Y RESOLUCION DEL EJERCICIO PRACTICO
DESCRIPCION DEL EJERCICIO (Familias de Correlación)
Una empresa de telefonía celular ha incursionado en el mercado consumidor con su modelo PG-8020 que ha
desplazado a su competidor, lo que se ha reflejado en su movimiento de ventas en los tres últimos períodos.
Esta información se presenta a continuación:
MES PERIODO 1 PERIODO 2 PERIODO 3
ENERO 750 1224 1550
FEBRERO 784 1208 1532
MARZO 815 1275 1508
ABRIL 872 1302 1578
MAYO 936 1350 1560
JUNIO 940 1405 1625
JULIO 980 1436 1706
AGOSTO 994 1475 1750
SEPTIEMBRE 1080 1464 1760
OCTUBRE 1165 1480 1796
NOVIEMBRE 1150 1504 1815
DICIEMBRE 1190 1525 1872
GRAFICO DE LAS VENTAS REALES:
Determinar:
1. El Análisis Primario y Secundario para el juego de datos conocido, utilizando un ciclaje = 4
(realizar los cálculos utilizando el Software de Aplicación y también ingresando datos en los
programas que poseen las calculadoras científicas). Comparar.
2. El Pronóstico de Riesgo para el primer semestre del período número cuatro.
3. Dibujar el gráfico con los datos resultantes del Pronóstico de Riesgo comparándolos contra las
ventas reales conocidas. Interpretar el resultado obtenido.
SOLUCION DEL EJERCICIO PRACTICO (Familias de Correlación)
1. ANALISIS PRIMARIO: Observando la tendencia que sigue el juego de datos, se observa que las ventas
tienen una tendencia creciente conforme pasa el período de tiempo; por lo tanto, clasificamos este
conjunto de datos como una FAMILIA DE CORRELACIÓN.
2. ANALISIS SECUNDARIO: Se calculan los valores de a , b & r para cada curva estadística a través del
Método de Regresión Lineal (se ingresan 32 datos). Los resultados son los siguientes:
ECUACION FORMA GENERAL a b r
LINEAL y = a + bx 788.95 30.05 0.9837
LOGARITMICA y = a + b Ln x 473.52 318.30 0.9507
EXPONENCIAL y = a * bx 830.11 1.0249 0.9660
POTENCIAL y = a * xb 621.24 0.2746 0.9739
Se procede a valuar cada ecuación con los valores del período congelado de ventas elegido, es decir, los meses
del 33 al 36:
0
200
400
600
800
1000
1200
1400
1600
1800
2000
0 10 20 30 40
Ven
tas
Mes
Ventas para los primeros 36 meses
i. EC. LINEAL:
MES VENTAS PROYECCION ERROR E
33 1760 1781 -21 21
34 1796 1811 -15 36
35 1815 1841 -26 62
36 1872 1871 1 63
ii. EC. LOGARITMICA
MES VENTAS PROYECCION ERROR E
33 1760 1587 173 173
34 1796 1596 200 373
35 1815 1606 209 582
36 1872 1615 257 839
iii. EC. EXPONENCIAL
MES VENTAS PROYECCION ERROR E
33 1760 1872 -112 112
34 1796 1916 -120 232
35 1815 1964 -149 381
36 1872 2013 -141 522
iv. EC. POTENCIAL
MES VENTAS PROYECCION ERROR E
33 1760 1623 137 137
34 1796 1637 159 296
35 1815 1650 165 461
36 1872 1662 210 671
El método que menor error acumulado tiene es la forma LINEAL (63) , asimismo también tiene el factor de
correlación más cercano a uno (0.9837).
3. PRONOSTICO DE RIESGO: Se calculan nuevos valores de a , b & r solamente para la Ecuación de
Regresión Lineal, tomando en cuenta la totalidad de las ventas reales (36 meses):
Ec. Lineal y = 791.71 + 29.81x r = 0.9882
MES PRONOSTICO DE
RIESGO
37 1895
38 1925
39 1955
40 1985
41 2014
42 2044
HOJA DE TRABAJO 1.2 (para entregar al final de la práctica)
A continuación se presentan los datos de ventas de dos períodos de un determinado producto. Establezca la demanda futura del primer cuatrimestre del período tres utilizando el método que considere adecuado:
MES PERIODO 1 PERIODO 2
ENERO 1200 1800
FEBRERO 1300 1900
MARZO 1330 1950
ABRIL 1400 2000
MAYO 1500 2100
JUNIO 1520 2200
JULIO 1550 2300
AGOSTO 1600 2350
SEPTIEMBRE 1700 2400
OCTUBRE 1710 2500
NOVIEMBRE 1720 2600
DICIEMBRE 1750 2700
REPORTE 1.2
DESCRIPCION DEL CASO A RESOLVER:
El parque vehicular de la ciudad de Guatemala ha crecido en forma exponencial durante los últimos años,
razón por la cual el tránsito por las distintas arterias de la metrópoli se ha dificultado tremendamente.
“HOT WHEELS” es una compañía importadora de vehículos de dos ruedas (motocicletas) procedentes de los
distintos mercados (asiáticos y sudamericanos) que se dedican a la fabricación de este medio de transporte.
La compañía consciente de esa situación, está evaluando la posibilidad de incrementar los pedidos de los
distintos modelos de motocicletas; su estrategia consiste en adquirir un préstamo bancario para financiar la
compra de los vehículos, incrementar la cantidad de puntos de venta alrededor de la capital, asimismo
generar fuentes de empleo a través de la contratación de personal para el Departamento de Ventas que tenga
como principal competencia la excelencia en Servicio a Clientes, además poseer cierto nivel técnico en cuanto
al funcionamiento y mantenimiento preventivo y correctivo de las motocicletas.
La empresa no desea embarcarse en tal proyecto a ciegas, es por eso que proporciona la información histórica
de las ventas de los últimos tres períodos, la cual indica la tasa de crecimiento que ha tenido “Hot Wheels”
desde que incursionó en el mercado hace diez años. El objetivo es estimar la demanda futura de estos
vehículos que se caracterizan por su facilidad de traslado y economía.
VENTAS DE LOS ULTIMOS TRES AÑOS FISCALES
MES VENTAS (2010) VENTAS (2011) VENTAS (2012)
ENERO 505 710 869
FEBRERO 529 725 895
MARZO 554 742 918
ABRIL 584 744 934
MAYO 605 748 945
JUNIO 636 750 948
JULIO 648 765 955
AGOSTO 650 782 982
SEPTIEMBRE 652 798 1012
OCTUBRE 675 812 1030
NOVIEMBRE 688 835 1048
DICIEMBRE 696 854 1075
Determinar:
a) Un gráfico de Ventas contra Tiempo.
b) Desarrollar los Análisis Primario y Secundario para el conjunto de ventas históricas.
c) Estimar la Proyección futura para el primer semestre de 2013 en base a la evaluación realizada de los
tres últimos años.
d) Analizar y proponer, en equipos de trabajo, las sugerencias pertinentes acerca del proyecto que Hot
Wheels tiene en mente ejecutar.
i. ¿ Le aconsejaría adquirir un financiamiento bancario ?
ii. ¿ Qué método le aconseja aplicar para distribuir los puntos de venta alrededor de la capital?
iii. ¿ Cuáles son las aptitudes y habilidades que debe poseer el personal a reclutar para atender las
sucursales de venta ?
iv. ¿ Qué método de Administración de Personal utilizará para el reclutamiento y selección de las
personas que atenderán a los clientes ? Diseñe una Hoja de Especificaciones para el puesto.
IMPORTANTE: Realizar los gráficos de ventas contra tiempo en papel milimetrado.
BIBLIOGRAFIA
TORRES, Sergio. “CONTROL DE LA PRODUCCION” Editorial Palacios. Año 2008. Guatemala, C. A.
CHASE, Richard , JACOBS, Robert & AQUILANO, Nicholas. ADMINISTRACION DE OPERACIONES”. Producción y
Cadena de Suministros. Editorial McGraw-Hill. Duodécima Edición. Año 2009.
HEIZER, Jay & RENDER, Barry. DIRECCION DE LA PRODUCCION. Decisiones Tácticas. Editorial Prentice-Hall.
Sexta Edición. Impreso en España. Año 2001.
HERNANDEZ CASTEJON, Nestor Omar. MANUAL DE CONTROL DE LA PRODUCCION. (Tesis). USAC. Guatemala,
marzo de 1993.